基于超光谱和信息融合的鱼表面检测微生物的方法
Tao Yuan1, Yixiao Ma2, Zuyu Guo2
1College of Engineering, Huazhong Agricultural University, Wuhan 430070, China.
Foods (Basel, Switzerland)
|May 14, 2025
概括
这项研究开发了一种快速超光谱成像模型,用于检测普通鱼中的微生物破坏. 数据融合技术准确地预测了可生存总数和大肠杆菌水平,确保了鱼的新鲜度和安全性.
科学领域:
- 食品科学 食品科学 食品科学
- 微生物学 微生物学
- 分析化学 分析化学
背景情况:
- 微生物腐烂对鱼类的质量和安全有重大影响,需要快速检测方法.
- 鱼的质量受到表面微生物的威胁,需要有效的监测,以确保消费者的安全.
- 准确量化总活力计数 (TVC) 和大肠杆菌 (E. coli) 对于评估鱼类腐烂至关重要.
研究的目的:
- 开发一种快速而准确的检测模型,用于鱼表面微生物的检测.
- 量化评估总活力计数 (TVC) 和大肠杆菌 (E. coli) 的水平.
- 通过先进的检测技术,提高鱼的新鲜度并确保普通鱼消费的安全性.
主要方法:
- 超光谱成像技术用于非破坏性分析.
- 包括Dempster-Shafer理论在内的数据融合技术被用来整合光谱和纹理信息.
- 量化检测模型 (RAW-CARS-PLSR,RAW-PLSR) 为鱼的背部和腹部部分构建和评估.
主要成果:
- 简化和全面的模型证明了在各种波长中成功的定量检测.
- 模型在预测鱼背部微生物生长方面表现出卓越的表现.
- 使用Dempster-Shafer理论的决策层融合模型优于单源数据模型,实现了高预测准确度 (例如,背部TVC的Rp=0.9337).
结论:
- 超光谱成像与数据融合相结合,为检测普通话鱼的表面微生物提供了最佳的方法.
- 开发的模型提供了一种快速,准确和高效的方法来监测鱼类腐烂.
- 这种技术提高了确保普通鱼产品质量和安全性的潜力.
